doc/fr/ref_algorithm_EnsembleBlue.rst

   1 ..
   2    Copyright (C) 2008-2015 EDF R&D
   3
   4    This file is part of SALOME ADAO module.
   5
   6    This library is free software; you can redistribute it and/or
   7    modify it under the terms of the GNU Lesser General Public
   8    License as published by the Free Software Foundation; either
   9    version 2.1 of the License, or (at your option) any later version.
  10
  11    This library is distributed in the hope that it will be useful,
  12    but WITHOUT ANY WARRANTY; without even the implied warranty of
  13    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14    Lesser General Public License for more details.
  15
  16    You should have received a copy of the GNU Lesser General Public
  17    License along with this library; if not, write to the Free Software
  18    Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  19
  20    See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  21
  22    Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  23
  24 .. index:: single: EnsembleBlue
  25 .. _section_ref_algorithm_EnsembleBlue:
  26
  27 Algorithme de calcul "*EnsembleBlue*"
  28 -------------------------------------
  29
  30 Description
  31 +++++++++++
  32
  33 Cet algorithme réalise une estimation de type BLUE (Best Linear Unbiased
  34 Estimator, qui est ici un estimateur d'Aitken) de l'état d'un système par
  35 méthode d'ensemble. Pour fonctionner, il faut fournir un ensemble d'ébauches,
  36 dont le nombre déterminera la taille de l'ensemble pour l'estimation.
  37
  38 Il est théoriquement réservé aux cas d'opérateurs d'observation linéaires, mais
  39 doit fonctionner aussi dans les cas "faiblement" non-linéaire. On peut vérifier
  40 la linéarité de l'opérateur d'observation à l'aide de
  41 l':ref:`section_ref_algorithm_LinearityTest`.
  42
  43 Commandes requises et optionnelles
  44 ++++++++++++++++++++++++++++++++++
  45
  46 .. index:: single: Background
  47 .. index:: single: BackgroundError
  48 .. index:: single: Observation
  49 .. index:: single: ObservationError
  50 .. index:: single: ObservationOperator
  51 .. index:: single: SetSeed
  52
  53 Les commandes requises générales, disponibles dans l'interface en édition, sont
  54 les suivantes:
  55
  56   Background
  57     *Commande obligatoire*. Elle définit le vecteur d'ébauche ou
  58     d'initialisation, noté précédemment :math:`\mathbf{x}^b`. Sa valeur est
  59     définie comme un objet de type "*Vector*" ou de type "*VectorSerie*".
  60
  61   BackgroundError
  62     *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
  63     d'ébauche, notée précédemment :math:`\mathbf{B}`. Sa valeur est définie
  64     comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
  65     type "*DiagonalSparseMatrix*".
  66
  67   Observation
  68     *Commande obligatoire*. Elle définit le vecteur d'observation utilisé en
  69     assimilation de données ou en optimisation, et noté précédemment
  70     :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de type "*Vector*"
  71     ou de type "*VectorSerie*".
  72
  73   ObservationError
  74     *Commande obligatoire*. Elle définit la matrice de covariance des erreurs
  75     d'ébauche, notée précédemment :math:`\mathbf{R}`. Sa valeur est définie
  76     comme un objet de type "*Matrix*", de type "*ScalarSparseMatrix*", ou de
  77     type "*DiagonalSparseMatrix*".
  78
  79   ObservationOperator
  80     *Commande obligatoire*. Elle indique l'opérateur d'observation, noté
  81     précédemment :math:`H`, qui transforme les paramètres d'entrée
  82     :math:`\mathbf{x}` en résultats :math:`\mathbf{y}` qui sont à comparer aux
  83     observations :math:`\mathbf{y}^o`. Sa valeur est définie comme un objet de
  84     type "*Function*" ou de type "*Matrix*". Dans le cas du type "*Function*",
  85     différentes formes fonctionnelles peuvent être utilisées, comme décrit dans
  86     la section :ref:`section_ref_operator_requirements`. Si un contrôle
  87     :math:`U` est inclus dans le modèle d'observation, l'opérateur doit être
  88     appliqué à une paire :math:`(X,U)`.
  89
  90 Les commandes optionnelles générales, disponibles dans l'interface en édition,
  91 sont indiquées dans la :ref:`section_ref_assimilation_keywords`. En particulier,
  92 la commande optionnelle "*AlgorithmParameters*" permet d'indiquer les options
  93 particulières, décrites ci-après, de l'algorithme. On se reportera à la
  94 :ref:`section_ref_options_AlgorithmParameters` pour le bon usage de cette
  95 commande.
  96
  97 Les options de l'algorithme sont les suivantes:
  98
  99   SetSeed
 100     Cette clé permet de donner un nombre entier pour fixer la graine du
 101     générateur aléatoire utilisé pour générer l'ensemble. Un valeur pratique est
 102     par exemple 1000. Par défaut, la graine est laissée non initialisée, et elle
 103     utilise ainsi l'initialisation par défaut de l'ordinateur.
 104
 105     Exemple : ``{"SetSeed":1000}``
 106
 107 Informations et variables disponibles à la fin de l'algorithme
 108 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
 109
 110 En sortie, après exécution de l'algorithme, on dispose d'informations et de
 111 variables issues du calcul. La description des
 112 :ref:`section_ref_output_variables` indique la manière de les obtenir par la
 113 méthode nommée ``get`` de la variable "*ADD*" du post-processing. Les variables
 114 d'entrée, mises à disposition de l'utilisateur en sortie pour faciliter
 115 l'écriture des procédures de post-processing, sont décrites dans
 116 l':ref:`subsection_r_o_v_Inventaire`.
 117
 118 Les sorties non conditionnelles de l'algorithme sont les suivantes:
 119
 120   Analysis
 121     *Liste de vecteurs*. Chaque élément est un état optimal :math:`\mathbf{x}*`
 122     en optimisation ou une analyse :math:`\mathbf{x}^a` en assimilation de
 123     données.
 124
 125     Exemple : ``Xa = ADD.get("Analysis")[-1]``
 126
 127   CurrentState
 128     *Liste de vecteurs*. Chaque élément est un vecteur d'état courant utilisé
 129     au cours du déroulement de l'algorithme d'optimisation.
 130
 131     Exemple : ``Xs = ADD.get("CurrentState")[:]``
 132
 133   Innovation
 134     *Liste de vecteurs*. Chaque élément est un vecteur d'innovation, qui est
 135     en statique l'écart de l'optimum à l'ébauche, et en dynamique l'incrément
 136     d'évolution.
 137
 138     Exemple : ``d = ADD.get("Innovation")[-1]``
 139
 140 Voir aussi
 141 ++++++++++
 142
 143 Références vers d'autres sections :
 144   - :ref:`section_ref_algorithm_Blue`